考虑基金网络地位的多阶段效率及其前瞻性预测能力

doi:10.16381/j.cnki.issn1003-207x.2022.0998

摘要/Abstract

摘要：

近年来，常被用于测度商业银行运营效率的两阶段DEA方法逐渐出现在开放式基金绩效评价研究中。然而，相较于银行绩效，开放式基金绩效具有显著的网络地位效应，即在社会网络中具有更高地位的开放式基金可能利用其影响力传播噪音，达到掩盖负面消息的目的。已有研究大多在基金绩效评价时忽略了基金网络地位因素，从而造成评价的偏误。对此，本文利用复杂网络方法构建了基金的共同持股网络，测算开放式基金的混合网络中心性以刻画其网络地位，并将基金网络地位加入两阶段DEA模型形成新的多阶段投入产出框架，从而得到考虑基金网络地位的多阶段DEA模型。基于该模型，本文测度了2015-2020年间中国2600支开放式基金的考虑基金网络地位的多阶段效率NSE，并检验NSE对于基金未来绩效的前瞻性预测能力。结果表明，NSE对于未来超额收益率和总资产回报率具有显著正向影响，而对于最大涨幅无显著影响；NSE对于未来系统性风险和年化波动率具有显著正向影响，而对于最大回撤无显著影响。采用倾向得分匹配法缓解样本自选择问题后结论未变。同时，本文还发现NSE对于基金未来绩效的预测能力在不同现金流与投资集中度的基金中存在显著异质性影响。稳健性测试支持了本文主要结论。

关键词: 基金网络地位, 网络中心性, DEA, 预测能力, 多阶段效率测度

Abstract:

The traditional two-stage DEA method， which measures the operating efficiency of commercial banks， has gradually been used in related research on the performance evaluation of funds. However， compared with bank performance， mutual funds have a significant network status effect， that is， funds with higher status in social networks may perform better due to signal transmission effect. The key issue is that most of the research has ignored the fund network status factors， leading to errors in the evaluation. To fill this gap， complex network model is employed to build a common-holding network of funds and calculate the mixed network centrality of funds to portray their network status. Specifically， the mixed network centrality is composed of the average of degree centrality， betweenness centrality and eccentricity. Based on the mixed network centrality， the fund network status is introduced into the two-stage DEA model to construct a new multi-stage input-output framework considering the fund network status.Based on this model， the multi-stage efficiency considering the network status （NSE） of 2600 mutual funds in China from 2015-2020 is measured and tested the predictability of NSE for future fund performance. The results show that NSE has a significant positive impact on future abnormal return and ROA； NSE has a significant positive impact on future systemic risks and annualized volatility， while it has an insignificant effect on the maximum retracement. The conclusions keep unchanged after using the PSM method to relieve the problem of the sample selection. It is also found that the predictability of NSE for future performance presents significant heterogeneity in funds with different cash flow and investment concentrations. Last， robustness checks support the main conclusions. The financial data of mutual funds is from the Wind database in China. A new approach is provided to measure multi-stage efficiency by considering the fund network status that are significant for evaluating and predicting fund performance. It also calls for more empirical or theoretical studies to detect social connections of mutual funds and evaluate their real efficiency performance.

Key words: fund network status, network centrality, DEA method, predictive power, multistage efficiency measure

中图分类号:

F832.3

陆帅, 李守伟, 何建敏. 考虑基金网络地位的多阶段效率及其前瞻性预测能力[J]. 中国管理科学, 2023, 31(9): 22-34.

Shuai LU, Shou-wei LI, Jian-min HE. Multistage Efficiency Considering Network Status of Funds and its Predictive Ability[J]. Chinese Journal of Management Science, 2023, 31(9): 22-34.

图/表 8

图1

表1

表2

NSE与基金未来收益"

变量	(1) $A R t$	(2) $R O A t$	(3) $R i s e t$	(4) $A R t$	(5) $R O A t$	(6) $R i s e t$
$N S E t - 1$	$R O A t$ (8.74)	$R i s e t$ (5.97)	0.121^*** (12.55)	0.036^*** (3.03)	0.016^* (1.89)	0.009 (1.21)
$A s s e t t - 1$				0.019 (0.96)	-0.078^* (-1.65)	-0.134^** (-2.31)
$A s s e t t - 1$				0.019 (0.96)	-0.078^* (-1.65)	-0.134^** (-2.31)
$A g e t - 1$				-0.026^*** (-4.01)	-0.008^** (-2.16)	-0.023^*** (-4.97)
$A g e t - 1$				-0.026^*** (-4.01)	-0.008^** (-2.16)	-0.023^*** (-4.97)
$M a t u r i t y t - 1$				-0.003 (-0.77)	-0.008^*** (-3.59)	-0.002 (-0.77)
$M a t u r i t y t - 1$				-0.003 (-0.77)	-0.008^*** (-3.59)	-0.002 (-0.77)
$L e v t - 1$				-0.035^*** (-6.00)	-0.030^*** (-4.62)	-0.129^*** (-17.26)
$L e v t - 1$				-0.035^*** (-6.00)	-0.030^*** (-4.62)	-0.129^*** (-17.26)
$P r o d u c t s t - 1$				-0.002 (-0.69)	0.001 (0.73)	0.002 (0.93)
$P r o d u c t s t - 1$				-0.002 (-0.69)	0.001 (0.73)	0.002 (0.93)
$F e e r a t e t - 1$				0.061^*** (18.01)	0.043^*** (19.89)	0.120^*** (43.35)
$F e e r a t e t - 1$				0.061^*** (18.01)	0.043^*** (19.89)	0.120^*** (43.35)
$I n s t i t u t i o n t - 1$				0.006^* (1.94)	0.009^*** (3.63)	-0.014^*** (-4.56)
$I n s t i t u t i o n t - 1$				0.006^* (1.94)	0.009^*** (3.63)	-0.014^*** (-4.56)
$F a m i l y t - 1$				0.000^** (2.09)	0.000^*** (3.82)	0.000^*** (5.99)
$F a m i l y t - 1$				0.000^** (2.09)	0.000^*** (3.82)	0.000^*** (5.99)
常数项	-2.485^*** (-13.12)	0.366^*** (172.99)	6.663^*** (39.07)	-3.395^*** (-3.39)	0.354^*** (38.63)	9.997^*** (9.56)
观测值	13000	13000	12916	9446	13000	12916
R²	0.247	0.152	0.257	0.282	0.172	0.460
基金层面聚类标准误	Yes	Yes	Yes	Yes	Yes	Yes
基金固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes

表2

表3

NSE与基金未来风险"

变量	(1) $V o l a t i l i t y t$	(2) $B e t a t$	(3) $D r a w d o w n t$	(4) $V o l a t i l i t y t$	(5) $B e t a t$	(6) $D r a w d o w n t$
$N S E t - 1$	0.327^*** (16.11)	0.688^*** (16.07)	0.006 (1.17)	0.236^*** (11.71)	0.081^** (2.55)	0.006 (1.07)
$A s s e t t - 1$				-1.201^** (-2.29)	-0.847^** (-2.29)	0.041^*** (3.28)
$A s s e t t - 1$				-1.201^** (-2.29)	-0.847^** (-2.29)	0.041^*** (3.28)
$A g e t - 1$				0.068^*** (3.91)	-0.022 (-0.81)	-0.022^*** (-6.16)
$A g e t - 1$				0.068^*** (3.91)	-0.022 (-0.81)	-0.022^*** (-6.16)
$M a t u r i t y t - 1$				-0.000 (-0.01)	0.024 (1.34)	0.019^*** (7.03)
$M a t u r i t y t - 1$				-0.000 (-0.01)	0.024 (1.34)	0.019^*** (7.03)
$L e v t - 1$				-0.505^*** (-14.85)	-0.656^*** (-13.44)	0.008 (1.61)
$L e v t - 1$				-0.505^*** (-14.85)	-0.656^*** (-13.44)	0.008 (1.61)
$P r o d u c t s t - 1$				0.012^* (1.65)	0.025^** (2.30)	0.011^*** (5.73)
$P r o d u c t s t - 1$				0.012^* (1.65)	0.025^** (2.30)	0.011^*** (5.73)
$F e e r a t e t - 1$				0.291^*** (37.17)	0.558^*** (34.03)	-0.011^*** (-5.43)
$F e e r a t e t - 1$				0.291^*** (37.17)	0.558^*** (34.03)	-0.011^*** (-5.43)
$I n s t i t u t i o n t - 1$				-0.172^*** (-18.35)	-0.125^*** (-7.62)	0.000 (0.08)
$I n s t i t u t i o n t - 1$				-0.172^*** (-18.35)	-0.125^*** (-7.62)	0.000 (0.08)
$F a m i l y t - 1$				0.000	0.000^**	-0.000^*** (-4.89)
$F a m i l y t - 1$				(1.31)	(2.56)	-0.000^*** (-4.89)
常数项	0.274^*** (48.65)	0.484^*** (43.42)	-0.181^*** (-151.03)	0.830^*** (18.30)	0.644^*** (9.34)	-0.215^*** (-23.62)
观测值	13000	12965	12980	9446	9416	9426
R²	0.0743	0.056	0.565	0.292	0.542	0.593
基金层面聚类标准误	Yes	Yes	Yes	Yes	Yes	Yes
基金固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes

表3

表4

PSM法匹配后的NSE与基金未来绩效"

变量	(1) $A R t$	(2) $R O A t$	(3) $R i s e t$	(4) $V o l a t i l i t y t$	(5) $B e t a t$	(6) $D r a w d o w n t$
$D u m_H i g h N S E t - 1$	0.022^*** (3.69)	0.013^*** (2.90)	0.003 (0.66)	0.006^* (1.95)	0.032^** (2.56)	0.567 (1.25)
常数项	0.048^** (2.20)	0.455^*** (17.54)	0.199^*** (8.95)	0.978^*** (11.06)	2.103^*** (21.14)	-15.124^*** (-9.18)
平均处理效应ATT	2.77^*** (6.63)	3.60^*** (7.75)	1.24 (0.69)	2.89^*** (8.81)	5.77^*** (12.25)	0.89 (0.58)
观测值	4,367	4,367	4,345	4,367	4,265	4,250
R²	0.044	0.029	0.143	0.254	0.264	0.145
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
基金层面聚类标准误	Yes	Yes	Yes	Yes	Yes	Yes
基金固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes

表4

表5

NSE与传统指标对基金未来绩效的预测能力对比 (面板 A：不加控制变量)"

变量	(1) $A R t$	(2) $R O A t$	(3) $R i s e t$	(4) $V o l a t i l i t y t$	(5) $B e t a t$	(6) $D r a w d o w n t$
$N S E t - 1$	0.077^*** (7.55)	0.034^*** (4.35)	0.086^*** (10.76)	0.222^*** (15.66)	0.480^*** (15.65)	0.010^** (2.05)
$S h a r p e t - 1$	0.001 (0.30)	0.002 (0.60)	0.006^** (2.29)	0.013 (1.52)	0.034^* (1.86)	0.001 (0.58)
$T S E t - 1$	-0.039^*** (-11.92)	-0.047^*** (-14.79)	-0.126^*** (-35.96)	-0.367^*** (-46.82)	-0.738^*** (-47.44)	0.015^*** (8.14)
$T r e y n o r t - 1$	-0.000 (-1.60)	-0.000 (-0.91)	0.000 (0.07)	-0.000 (-0.05)	-0.000 (-0.05)	0.000 (0.79)
$S o r t i n o t - 1$	-0.000 (-1.43)	-0.000^*** (-2.66)	-0.000^** (-2.19)	-0.000^* (-1.78)	-0.000^* (-1.80)	0.000 (0.69)
$J e n s e n t - 1$	0.322 (0.73)	0.301 (0.69)	0.008 (0.02)	-0.330 (-0.36)	-1.410 (-0.77)	0.324 (1.44)
常数项	-0.002 (-0.72)	0.392^*** (116.50)	0.139^*** (43.63)	0.488^*** (59.12)	0.912^*** (54.77)	m
观测值	12368	12368	12288	12368	12335	12348
R²	0.254	0.167	0.335	0.325	0.335	0.573
基金层面聚类标准误	Yes	Yes	Yes	Yes	Yes	Yes
基金固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
面板B：加控制变量
变量	(1) $A R t$	(2) $R O A t$	(3) $R i s e t$	(4) $V o l a t i l i t y t$	(5) $B e t a t$	(6) $D r a w d o w n t$
$N S E t - 1$	0.037^*** (3.53)	0.034^*** (4.13)	0.002 (0.30)	0.023^* (1.90)	0.105^*** (3.85)	0.005 (0.95)
$S h a r p e t - 1$	0.003	-0.041^*** (-11.47)	-0.047^*** (-12.78)	-0.204^*** (-25.91)	-0.430^*** (-26.32)	0.005^*** (2.63)
$S h a r p e t - 1$	(0.68)	-0.041^*** (-11.47)	-0.047^*** (-12.78)	-0.204^*** (-25.91)	-0.430^*** (-26.32)	0.005^*** (2.63)
$T S E t - 1$	0.002	0.002 (0.53)	0.008^*** (3.82)	0.016^** (2.22)	0.036^** (2.33)	0.001 (1.42)
$T S E t - 1$	(0.72)	0.002 (0.53)	0.008^*** (3.82)	0.016^** (2.22)	0.036^** (2.33)	0.001 (1.42)
$T r e y n o r t - 1$	-0.000 (-1.51)	-0.000 (-0.97)	0.000 (0.19)	-0.000 (-0.15)	-0.000 (-0.10)	0.000 (0.66)
$S o r t i n o t - 1$	-0.000 (-0.94)	-0.000^*** (-2.60)	-0.000 (-0.52)	0.000 (0.35)	0.000 (0.20)	0.000 (0.54)
$J e n s e n t - 1$	0.249 (0.57)	0.166 (0.37)	-0.094 (-0.24)	-0.098 (-0.15)	-0.450 (-0.33)	0.223 (1.03)
常数项	-0.046^*** (-4.84)	0.437^*** (48.20)	0.115^*** (11.17)	0.453^*** (17.85)	0.955^*** (17.60)	-0.233^*** (-29.35)
观测值	12368	12368	12288	12368	12335	12348
R²	0.285	0.171	0.471	0.630	0.605	0.598
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
基金层面聚类标准误	Yes	Yes	Yes	Yes	Yes	Yes
基金固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes

表5

表6

现金流对于NSE预测基金未来绩效的异质性影响"

变量	(1) $A R t$	(2) $R O A t$	(3) $R i s e t$	(4) $V o l a t i l i t y t$	(5) $B e t a t$	(6) $D r a w d o w n t$
$N S E t - 1$	0.028* (1.84)	0.002 (0.16)	0.007 (0.77)	0.241^*** (10.76)	0.506^*** (10.86)	0.003 (0.37)
$D u m_f l o w t - 1$	-0.000 (-0.06)	-0.003 (-1.07)	0.006^*** (2.84)	0.007 (1.41)	0.013 (1.29)	-0.024^*** (-25.25)
$N S E_D u m_F l o w t - 1$	0.019^* (1.88)	0.031^**	0.006 (0.48)	-0.011 (-0.49)	-0.033 (-0.71)	0.004 (0.62)
$N S E_D u m_F l o w t - 1$	0.019^* (1.88)	(2.01)	0.006 (0.48)	-0.011 (-0.49)	-0.033 (-0.71)	0.004 (0.62)
常数项	-0.034^*** (-3.38)	0.355^*** (38.28)	0.097^*** (9.15)	0.826^*** (18.15)	1.637^*** (17.82)	-0.200^*** (-22.42)
观测值	9446	13000	12916	9446	9416	9426
R²	0.282	0.173	0.460	0.292	0.282	0.619
基金层面聚类标准误	Yes	Yes	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
基金固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes	Yes	Yes

表6

表7

投资集中度对于NSE预测基金未来绩效的异质性影响"

变量	(1) $A R t$	(2) $R O A t$	(3) $R i s e t$	(4) $V o l a t i l i t y t$	(5) $B e t a t$	(6) $D r a w d o w n t$
$N S E t - 1$	0.056^** (2.44)	0.117^*** (5.50)	-0.003 (-0.27)	0.185^*** (5.54)	0.050^* (1.91)	-0.026 (-0.83)
$D u m_C o n c e n t r a t i o n i, t - 1$	0.009^** (2.28)	-0.008^** (-1.99)	0.000 (0.19)	0.101^*** (14.21)	-0.039^***	0.011 (0.73)
	0.009^** (2.28)	-0.008^** (-1.99)	0.000 (0.19)	0.101^*** (14.21)	(-3.78)	0.011 (0.73)
$N S E_D u m_C o n c e n t r a t i o n i, t - 1$	0.026^** (2.08)	-0.092^*** (-4.12)	0.015 (1.25)	0.065^** (2.09)	0.045 (0.94)	0.039 (1.36)
	0.026^** (2.08)	-0.092^*** (-4.12)	0.015 (1.25)	0.065^** (2.09)	0.045 (0.94)	0.039 (1.36)
常数项	-0.042^*** (-3.90)	0.441^*** (44.06)	0.099^*** (9.25)	0.904^*** (20.79)	0.683^*** (9.91)	-0.227^*** (-25.06)
	-0.042^*** (-3.90)	0.441^*** (44.06)	0.099^*** (9.25)	0.904^*** (20.79)	0.683^*** (9.91)	-0.227^*** (-25.06)
观测值	9446	13000	12916	9446	9416	9426
R²	0.282	0.160	0.460	0.313	0.543	0.598
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
基金层面聚类标准误	Yes	Yes	Yes	Yes	Yes	Yes
基金固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes	Yes	Yes

表7

参考文献 20

1	周逢民，张会元，周海，等. 基于两阶段关联DEA模型的我国商业银行效率评价［J］. 金融研究，2010（11）：169-179.
	Zhou Fengmin， Zhang Huiyuan， Zhou Hai， et al Efficiency evaluation of Chinese commercial banks based on two-stage correlated DEA model［J］. Journal of Financial Research，2010（11）：169-179.
2	易荣华，邵洁浩. 基于DEA的中国证券市场竞争力国际比较［J］. 中国管理科学，2019， 27（1）：11-21.
	Yi Ronghua， Shao Jiehao. International comparison of Chinese Securities Market Competitiveness based on DEA［J］. Chinese Journal of Management Science，2019， 27（1）：11-21.
3	Lu Shuai， Li Shouwei， Chen Ning. Robust return efficiency and herding behavior of fund managers［J］. Finance Research Letters，2021， 46：102267.
4	Seiford L M， Zhu Joe. Profitability and marketability of the top 55 US commercial banks［J］. Management Science，1999， 45（9）：1270-1288.
5	Morita H， Hirokawa K， Zhu Joe. A slack-based measure of efficiency in context-dependent data envelopment analysis［J］. Omega，2005， 33（4）：357-362.
6	Liang Liang， Wu Jie， Cook W D， et al. Alternative secondary goals in DEA cross-efficiency evaluation［J］. International Journal of Production Economics，2008， 113（2）：1025-1030.
7	罗荣华，田正磊，方红艳. “和而不群”还是“卓尔不群”？——基于基金网络信息使用的视角［J］. 金融研究，2020（8）：188-206.
	Luo Ronghua， Tian Zhenglei， Fang Hongyan. “Harmony without crowd” or “excellence without crowd”？From the perspective of using fund network information［J］. Journal of Financial Research，2020（8）：188-206.
8	韩松，苏熊. 中国商业银行结构效率研究：基于复杂网络DEA模型［J］. 中国管理科学，2016， 24（8）：1-9.
	Han Song， Su Xiong. Study on the Structural efficiency of Chinese commercial banks：based on complex Network DEA model［J］. Chinese Journal of Management Science，2016，24（8）：1-9.
9	Premachandra I M， Zhu Joe， Watson J， et al. Best-performing US mutual fund families from 1993 to 2008： evidence from a novel two-stage DEA model for efficiency decomposition［J］. Journal of Banking & Finance，2012， 36（12）：3302-3317.
10	Galagedera D U A， Watson J， Premachandra I M， et al. Modeling leakage in two-stage DEA models：an application to US mutual fund families［J］. Omega，2016， 61：62-77.
11	肖和录，王善平. 基于机会约束随机Index-DEA的投资组合效率评价［J］.中国管理科学，2022，30（9）：94-104.
	Xiao Helu， Wang Shanping. Portfolio efficiency evaluation based on chance constrained stochastic Index-DEA［J］. Chinese Journal of Management Science，2022，30（9）：94-104.
12	陈胜蓝，李璟. 基金网络能够提高投资绩效吗？［J］. 金融研究，2021（6）：170-188.
	Chen Shenglan， Li Jing. Can fund network improve investment performance？［J］. Journal of Financial Research，2021（6）：170-188.
13	刘京军，苏楚林. 传染的资金：基于网络结构的基金资金流量及业绩影响研究［J］. 管理世界，2016（1）：54-65.
	Liu Jingjun， Su Chulin. Contagion Money：a study on the impact of fund flow and performance based on network structure［J］. Journal of Management World，2016（1）：54-65.
14	申宇，赵静梅，何欣. 校友关系网络、基金投资业绩与“小圈子”效应［J］. 经济学（季刊），2016，15（1）：403-428.
	Shen Yu， Zhao Jingmei， He Xin. Alumni relationship network， fund investment performance and “clique” effect［J］. China Economic Quarterly，2016，15（1）：403-428.
15	孔东民，刘莎莎，陈小林，等. 个体沟通、交易行为与信息优势：基于共同基金访问的证据［J］. 经济研究，2015， 50（11）：106-119+182.
	Kong Dongmin， Liu Shasha， Chen Xiaolin， et al. Individual communication， trading behavior， and information advantage：evidence based on mutual fund visits［J］. Economic Research Journal，2015， 50（11）：106-119+182.
16	Rossi A G， Blake D， Timmermann A， et al. Network centrality and delegated investment performance［J］. Journal of Financial Economics，2018， 128（1）：183-206.
17	Lu Shuai， Li Shouwei， Zhou Wei， et al. Network herding of energy funds in the post-Carbon-Peak Policy era： does it benefit profitability and stability？［J］. Energy Economics，2022， 109：105948.
18	Zaheer A， Bell G G. Benefiting from network position： firm capabilities， structural holes， and performance［J］. Strategic Management Journal， 2005， 26（9）：809-825.
19	王擎，吴玮，蔡栋梁. 基金评级与资金流动：基于中国开放式基金的经验研究［J］. 金融研究，2010（9）：106-122.
	Wang Qing， Wu Wei， Cai Dongliang. Fund rating and Fund Flow：an empirical study based on Chinese open-end funds ［J］. Journal of Financial Research，2010（9）：106-122.
20	Leledakis G N， Pyrgiotakis E G. US bank M&As in the post-Dodd-Frank Act era： do they create value？［J］. Journal of Banking & Finance，2019， 135：105576.

变量	观测值	平均值	标准差	最小值	20分位数	50分位数	75分位数	最大值
NSE	15600	0.081	0.151	0.000	0.000	0.017	0.093	1.000
Car	15600	0.602	0.165	-0.468	-0.005	0.019	0.0745	1.550
Return	15600	0.366	0.158	0.000	0.235	0.381	0.465	1.000
Rise	15501	0.165	0.217	0.032	0.336	0.745	0.215	2.05
Volatility	15600	0.298	0.245	0.000	0.045	0.324	0.502	1.000
Beta	14896	0.543	0.465	-0.234	0.024	0.629	0.971	1.837
Drawdown	15571	-0.152	0.117	-0.520	-0.205	-0.116	-0.606	-0.002
Asset	15600	0.005	0.026	0.000	0.000	0.001	0.003	1.000
Age	15600	0.236	0.232	0.000	0.045	0.158	0.359	1.000
Maturity	15600	0.469	0.373	0.000	0.000	0.333	0.667	1.000
Lev	15600	1.078	0.138	-1.053	1.006	1.019	1.087	2.684
Products	15600	3.567	0.729	1.000	3.135	3.750	4.132	5.167
Feerate	15600	0.933	0.502	0.000	0.500	0.750	1.500	3.000
Institution	15600	0.339	0.370	0.000	0.008	0.158	0.693	1.000
Family	15600	141.400	86.270	2.000	67.000	116.000	233.000	299.000

[1]	喻寅昀,李从东,付业林,黎建强. 考虑决策者偏好结构的交叉效率评价方法[J]. 中国管理科学, 2024, 32(8): 117-126.
[2]	何勇,庄贵军,丰超. 价值共创、分销商网络结构嵌入与合作绩效[J]. 中国管理科学, 2024, 32(8): 241-249.
[3]	王美强, 常梅. 考虑资金运营方式的中国商业银行经营效率分析[J]. 中国管理科学, 2023, 31(7): 140-152.
[4]	王虎, 李守伟, 马瑜寅, 刘晓星. 基于共同持股网络的基金系统性风险研究[J]. 中国管理科学, 2023, 31(6): 82-90.
[5]	冯青, 吴志彬, 徐玖平. 基于投入产出规模的省际碳排放配额分配研究[J]. 中国管理科学, 2023, 31(3): 268-276.
[6]	王晓磊,木仁,周黎,董进全. 一种兼顾效率与效果的决策单元投入产出绩效评价方法[J]. 中国管理科学, 2023, 31(10): 128-135.
[7]	金卫健,徐浩,黄传峰,蒋诚智. 基于前景理论的大规模传染疫情应急管理决策研究[J]. 中国管理科学, 2023, 31(10): 225-233.
[8]	肖和录, 王善平. 基于机会约束随机Index-DEA的投资组合效率评价[J]. 中国管理科学, 2022, 30(9): 94-104.
[9]	任腾, 李姝萱, 周忠宝, 李思迪, 肖和录. 基于满意度BLP-DEA的区域可持续发展系统效率评价研究[J]. 中国管理科学, 2022, 30(7): 99-109.
[10]	周忠宝, 邓莉, 肖和录, 吴士健, LIU Wenbin. 外商直接投资对中国经济高质量发展的影响——基于Index DEA和面板分位回归的分析[J]. 中国管理科学, 2022, 30(5): 118-130.
[11]	杨敏, 费锡玥, 魏宇琪, 梁樑. 基于资源共享与子系统交互的两阶段DEA评价方法——兼对我国“一流大学”科研绩效的评价[J]. 中国管理科学, 2022, 30(2): 256-263.
[12]	薛凯丽，范建平，匡海波，赵苗，吴美琴. 基于两阶段交叉效率模型的中国商业银行效率评价[J]. 中国管理科学, 2021, 29(10): 23-34.
[13]	许成磊, 朱秭洁, 段万春. 考虑多维合作策略的非径向超预期管理效率评价[J]. 中国管理科学, 2021, 29(1): 237-248.
[14]	刘海英, 王钰. 基于历史法和零和DEA方法的用能权与碳排放权初始分配研究[J]. 中国管理科学, 2020, 28(9): 209-220.
[15]	龚日朝, 刘俞希, 潘芬萍. 带权重约束的DEA超效率评价模型及其应用研究[J]. 中国管理科学, 2020, 28(4): 164-173.